典型文献
基于YOLOv5和膨胀卷积的鱼类目标检测算法
文献摘要：
鱼类目标所在的场景常存在较强的水下噪声,同时鱼类目标有着与周围环境相近的伪装色,使得鱼类目标检测的效果达不到很高的水平.为了精准且快速的检测鱼类目标,提出了一种基于YOLOv5和膨胀卷积的目标检测网络,首先利用YOLOv5网络提取图片特征,然后利用基于膨胀卷积的三支路特征融合结构整合大范围的全局信息,最后通过检测头对图片中鱼类目标的位置进行预测并用矩形框进行标记.研究表明,本文的算法在自建数据集上mAP达到81.5％,相较于原始的YOLOv5s算法提升了1.5％,而且能实时准确的获取到鱼类目标的位置,极大提升了鱼类目标检测的效率.
文献关键词：
深度学习;YOLOv5算法;膨胀卷积;鱼类目标检测
中图分类号：
作者姓名：
陈露露;臧兆祥;黄天星
作者机构：
三峡大学,水电工程智能视觉监测湖北省重点实验室;三峡大学,计算机与信息学院,湖北宜昌443002
文献出处：
引用格式：
[1]陈露露;臧兆祥;黄天星-.基于YOLOv5和膨胀卷积的鱼类目标检测算法)[J].长江信息通信,2022(07):63-66
A类：
鱼类目标检测
B类：
膨胀卷积,目标检测算法,常存,水下噪声,标有,周围环境,伪装,目标检测网络,图片特征,三支,支路,特征融合,结构整合,全局信息,检测头,矩形框,自建数据集,mAP,YOLOv5s,取到
AB值：
0.292433
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
